政策反復アルゴリズム

【せいさくはんぷくあるごりずむ (policy iteration algorithm)】

マルコフ決定過程に対する数値解法としてハワードにより提案されたアルゴリズム. 政策評価と政策改良のフェーズを繰り返すことにより, 有限回の反復で最適化を求めることができる. 高速な解法として広く認められており, 収束に要する反復回数は, 経験的に問題の規模にあまり依存しない.